Felo API PlatformFelo API Platform
Kembali ke model

MiniMax H3 Image API

MiniMax-H3-Image ialah model penjanaan imej MiniMax yang menyokong input teks dan imej, menghasilkan imej sehingga 4096 kali 4096 piksel serta penyuntingan imej dengan sehingga 16 imej rujukan.

MiniMax-H3-Image ialah model penjanaan imej daripada MiniMax yang menerima input teks dan imej serta menghasilkan output imej. Ia menyokong penjanaan imej daripada teks dan penyuntingan imej berbilang rujukan, dengan output beresolusi tinggi sehingga 4096 kali 4096 piksel (16 megapiksel). Model ini menyediakan kawalan kreatif yang kuat melalui imej rujukan dan sesuai untuk tugasan yang memerlukan perincian kaya serta realisme yang hidup. Ia juga direka untuk penyuntingan fokus yang mengekalkan bahagian bingkai yang konsisten.

Model ini amat berguna dalam pengiklanan dan penjenamaan, e-dagang, reka bentuk produk, UI/UX, permainan, seni konsep, penerokaan produk, iterasi susun atur, serta suntingan fokus yang mengekalkan bahagian bingkai yang konsisten. Dokumentasi menyatakan model ini mempunyai keupayaan mengikut arahan terkuat antara model sumber terbuka. Varian H3-Image-Context-IR boleh mengembangkan prompt pendek dalam bahasa lain menjadi deskripsi bahasa Inggeris yang terperinci.

Tetapan inferens adalah tetap: num_inference_steps 6 dan guidance_scale 1. Prompt dipotong kepada 4096 token. Prompt negatif tidak disokong dan akan ditolak, manakala nilai num_inference_steps atau guidance_scale selain nilai tetap akan mengembalikan ralat HTTP 400. Penggunaan komersial yang memerlukan kebenaran bertulis berasingan perlu diminta melalui platform.minimax.io/license. Model ini dikeluarkan di bawah MiniMax-H3-Image Community License Agreement, dan varian MiniMax-H3-Image-PE boleh dijalankan secara setempat dengan pelayan SGLang setempat.

Dikemas kini:

ID MODEL

minimax-h3-image
Input
text / image
Output
image

Sorotan

  • Output 16 megapiksel (4096x4096)
  • Suntingan dengan 16 imej rujukan
  • Kawalan kreatif melalui rujukan
  • Tetapan inferens tetap
  • Prompt dipotong 4096 token

Penyedia

1 penyedia

Bandingkan harga API merentas penyedia. Pilih penyedia untuk melihat semua caj dan syarat.

Penyedia · Butiran harga
Ketersediaan

Mula pantas

Hantar tugas imej, semak status, kemudian simpan imej. Contoh menggunakan curl dan pustaka standard Python 3.

POST https://openapi.felo.ai/api/v1/images/generations

1Tetapkan kunci API

Cipta kunci daripada akaun Felo API Platform anda dan tetapkan sebagai pemboleh ubah persekitaran.

export FELO_API_KEY="YOUR_API_KEY"

2Hantar permintaan pertama

Nilai pilihan berbeza mengikut model dan tidak ditetapkan di sini. Semak dalam Playground. Medan sejajar dengan model dan prompt, tanpa pembalut input.

curl --fail-with-body --max-time 60 "https://openapi.felo.ai/api/v1/images/generations" \
  -H "Authorization: Bearer $FELO_API_KEY" \
  -H "Content-Type: application/json" \
  -o created.json \
  -d '{
  "prompt": "A studio product photo of a ceramic coffee cup on warm linen, soft morning light",
  "model": "minimax-h3-image"
}'

3Tinjau tugas

Penghantaran mengembalikan task_id. Semak setiap 3 saat semasa queued atau running; berhenti pada succeeded, failed atau interrupted. Tunggu maksimum 30 minit. Simpan created.json untuk menyambung semakan tanpa menghantar semula.

python3 - <<'PY'
import json, os, time
from pathlib import Path
from urllib.parse import quote
from urllib.request import Request, urlopen

task = json.loads(Path("created.json").read_text())
task_id = task["task_id"]
url = "https://openapi.felo.ai/api/v1/images/generations/" + quote(task_id, safe="")
headers = {"Authorization": "Bearer " + os.environ["FELO_API_KEY"]}
deadline = time.monotonic() + 1800

while task["status"] in ("queued", "running"):
    if time.monotonic() >= deadline:
        raise TimeoutError(f"Keep task_id={task_id} to resume polling")
    time.sleep(3)
    with urlopen(Request(url, headers=headers), timeout=60) as response:
        task = json.load(response)
    if task.get("task_id") != task_id or task.get("kind") != "image":
        raise ValueError("Unexpected task response")
    print(task["status"])

if task["status"] != "succeeded":
    raise RuntimeError(task.get("error") or task["status"])
if not task.get("outputs"):
    raise ValueError("Task succeeded without image outputs")
Path("task.json").write_text(json.dumps(task))
print("Saved task.json")
PY

4Muat turun output

Selepas berjaya, simpan outputs daripada task.json. Menyokong URL HTTPS, objek URL dan b64_json. Muat turun URL bertandatangan segera; muat turun imej tidak memerlukan kunci API.

python3 - <<'PY'
import base64, json
from pathlib import Path
from urllib.request import urlopen

task = json.loads(Path("task.json").read_text())
if task.get("status") != "succeeded" or not task.get("outputs"):
    raise ValueError("No completed image outputs")
extensions = {"image/png": ".png", "image/jpeg": ".jpg", "image/webp": ".webp", "image/gif": ".gif", "image/avif": ".avif"}

for index, output in enumerate(task["outputs"], 1):
    item = output if isinstance(output, dict) else {}
    url = output if isinstance(output, str) else item.get("url") or item.get("unsigned_url")
    mime = item.get("media_type") or "image/png"
    if url and url.startswith("https://"):
        with urlopen(url, timeout=60) as response:
            data = response.read()
            mime = response.headers.get_content_type()
    elif url and url.startswith("data:image/") and ";base64," in url:
        header, encoded = url.split(",", 1)
        mime = header[5:].split(";", 1)[0]
        data = base64.b64decode(encoded, validate=True)
    elif item.get("b64_json"):
        data = base64.b64decode(item["b64_json"], validate=True)
    else:
        raise ValueError("Unrecognized image output")
    path = Path(f"image-{index}" + extensions.get(mime, ".bin"))
    path.write_bytes(data)
    print(path)
PY
input_references

Untuk menyunting imej, ganti URL contoh dengan URL imej HTTPS atau data URL imej base64 anda. Hantar sekali, kemudian gunakan langkah semakan dan penyimpanan yang sama.

curl --fail-with-body --max-time 60 "https://openapi.felo.ai/api/v1/images/generations" \
  -H "Authorization: Bearer $FELO_API_KEY" \
  -H "Content-Type: application/json" \
  -o created.json \
  -d '{
  "prompt": "Keep the product and framing. Replace the background with a sunlit marble countertop.",
  "model": "minimax-h3-image",
  "input_references": [
    {
      "type": "image_url",
      "image_url": {
        "url": "https://example.com/product.png"
      }
    }
  ]
}'

Parameter yang disokong

  • n
  • size
  • resolution
  • aspect_ratio
  • output_format
  • input_references

Mahukan rujukan penuh?

Rujukan API →

Soalan lazim

Mengenali MiniMax H3 Image?

MiniMax-H3-Image ialah model penjanaan imej daripada MiniMax yang menerima input teks dan imej serta menghasilkan output imej. Ia menyokong penjanaan imej daripada teks dan penyuntingan imej berbilang rujukan, dengan output beresolusi tinggi sehingga 4096 kali 4096 piksel (16 megapiksel). Model ini menyediakan kawalan kreatif yang kuat melalui imej rujukan dan sesuai untuk tugasan yang memerlukan perincian kaya serta realisme yang hidup. Ia juga direka untuk penyuntingan fokus yang mengekalkan bahagian bingkai yang konsisten. Model ini amat berguna dalam pengiklanan dan penjenamaan, e-dagang, reka bentuk produk, UI/UX, permainan, seni konsep, penerokaan produk, iterasi susun atur, serta suntingan fokus yang mengekalkan bahagian bingkai yang konsisten. Dokumentasi menyatakan model ini mempunyai keupayaan mengikut arahan terkuat antara model sumber terbuka. Varian H3-Image-Context-IR boleh mengembangkan prompt pendek dalam bahasa lain menjadi deskripsi bahasa Inggeris yang terperinci. Tetapan inferens adalah tetap: num_inference_steps 6 dan guidance_scale 1. Prompt dipotong kepada 4096 token. Prompt negatif tidak disokong dan akan ditolak, manakala nilai num_inference_steps atau guidance_scale selain nilai tetap akan mengembalikan ralat HTTP 400. Penggunaan komersial yang memerlukan kebenaran bertulis berasingan perlu diminta melalui platform.minimax.io/license. Model ini dikeluarkan di bawah MiniMax-H3-Image Community License Agreement, dan varian MiniMax-H3-Image-PE boleh dijalankan secara setempat dengan pelayan SGLang setempat.

Bagaimana penggunaan dicaj?

Bil anda bergantung pada penyedia yang anda gunakan, harganya dan penggunaan anda. Input yang lebih panjang atau syarat lain mungkin dikenakan harga berbeza. Dicaj berdasarkan kos penjanaan sebenar. Lihat bil anda untuk jumlah akhir.

Apakah jenis input yang disokong oleh MiniMax-H3-Image?

Model ini menerima input teks dan input imej. Ia menyokong penjanaan imej daripada teks serta penyuntingan imej dengan sehingga 16 imej rujukan.

Berapakah resolusi output yang boleh dihasilkan?

MiniMax-H3-Image boleh menghasilkan imej sehingga 4096 kali 4096 piksel, iaitu 16 megapiksel.

Adakah model ini menyokong prompt negatif?

Tidak, prompt negatif tidak disokong dan akan ditolak.

Apakah tetapan inferens yang perlu digunakan?

Tetapan inferens adalah tetap: num_inference_steps 6 dan guidance_scale 1. Nilai lain akan mengembalikan ralat HTTP 400.

Apakah perbezaan antara MiniMax-H3-Image dan MiniMax-H3-Image-PE?

MiniMax-H3-Image-PE ialah varian yang boleh dijalankan secara setempat dengan pelayan SGLang setempat, manakala MiniMax-H3-Image ialah model utama.

Apakah had panjang prompt?

Prompt dipotong kepada 4096 token.

Model berkaitan